2、混淆矩阵
3、准确度
准确度通常用来比较模型,因为它告诉我们正确分类的比例。
4、精度
精度主要关注的是数据集中预测 为“阳性”的数据。通过基于精度的优化,你将能确定与误报假阳性相比,你是否在预测正例的工作上做的很好(减少误报假阳性)。
精度 = 真阳性 / (真阳性 + 假阳性)
2、混淆矩阵
3、准确度
准确度通常用来比较模型,因为它告诉我们正确分类的比例。
4、精度
精度主要关注的是数据集中预测 为“阳性”的数据。通过基于精度的优化,你将能确定与误报假阳性相比,你是否在预测正例的工作上做的很好(减少误报假阳性)。
精度 = 真阳性 / (真阳性 + 假阳性)